Imagen: geralt / Pixabay
Los modelos de pesos abiertos son modelos de inteligencia artificial cuyos archivos se pueden descargar y ejecutar en equipos propios, sin depender de un servicio en la nube. En 2026 su calidad mejoró tanto que ya son una alternativa real para muchas empresas. Esta guía repasa las familias más relevantes, sus licencias y lo que hace falta para usarlas. Si todavía no tiene claro si le conviene la IA local, empiece por nuestra guía sobre IA local o IA en la nube.
«Pesos abiertos» no siempre es «código abierto»
Los pesos son los números que el modelo aprendió durante su entrenamiento. Que estén disponibles permite ejecutarlo, ajustarlo y estudiarlo. Pero la mayoría de estos modelos no publica sus datos de entrenamiento, y algunos tienen licencias propias con restricciones. Por eso es más preciso hablar de modelos de pesos abiertos que de modelos de código abierto en sentido estricto.
Para un negocio, la licencia es lo primero que hay que revisar:
- Apache 2.0 y MIT: licencias permisivas reconocidas que permiten el uso comercial, la modificación y la redistribución con obligaciones mínimas, como conservar los avisos de licencia.
- Licencias propias de cada empresa: pueden limitar ciertos usos, imponer condiciones a empresas muy grandes o reservarse el derecho de cambiar las reglas. Requieren lectura detallada.
Las familias más relevantes en 2026
Gemma 4 (Google DeepMind)
Lanzada el 2 de abril de 2026, es la primera generación de Gemma publicada bajo la licencia Apache 2.0, en lugar de los términos propios que Google usaba antes. Llega en cuatro tamaños: dos versiones ligeras pensadas para teléfonos y dispositivos (E2B y E4B), un modelo de 26.000 millones de parámetros con arquitectura de expertos (MoE) orientado a la velocidad y uno denso de 31.000 millones orientado a la calidad. Los modelos más grandes admiten contextos de 256.000 tokens. Está disponible en Hugging Face, Kaggle y Ollama.
DeepSeek V4
DeepSeek presentó en abril de 2026 la vista previa de su serie V4, con pesos bajo licencia MIT. Incluye V4-Pro, con 1,6 billones de parámetros totales y 49.000 millones activos por token, y V4-Flash, con 284.000 millones totales y 13.000 millones activos. Ambos admiten contextos de un millón de tokens. A finales de julio publicó la versión oficial de V4-Flash. Son modelos de gran capacidad, pero su tamaño exige servidores con varias GPU profesionales.
gpt-oss (OpenAI)
Los modelos abiertos de OpenAI, gpt-oss-120b y gpt-oss-20b, se publicaron bajo Apache 2.0. El de 20.000 millones de parámetros fue presentado como apto para equipos con unos 16 GB de memoria, lo que lo convierte en una opción popular para uso local.
Qwen (Alibaba)
La familia Qwen 3 y sus versiones posteriores destacan por su buen soporte multilingüe y por la variedad de tamaños, incluidos modelos especializados en programación. Muchos de sus modelos se distribuyen bajo Apache 2.0, aunque conviene verificar la licencia de cada versión concreta.
Llama 4 (Meta)
Sigue siendo una de las familias con más herramientas y ajustes creados por la comunidad. Se distribuye bajo la licencia comunitaria de Llama, que no es una licencia de código abierto estándar e incluye condiciones adicionales. Debe revisarse antes de cualquier uso comercial.
Otras familias
Mistral (con varios modelos bajo Apache 2.0), Kimi de Moonshot AI, GLM de Zhipu y Phi de Microsoft completan el panorama. Cada una tiene su propia licencia y fortalezas.
Requisitos de hardware
| Tamaño del modelo | Ejemplos | Equipo necesario (orientativo) |
|---|---|---|
| Muy pequeño | Gemma 4 E2B / E4B | Teléfono reciente o laptop |
| Mediano | gpt-oss-20b, Gemma 4 26B / 31B | Equipo con unos 16 a 24 GB de memoria para el modelo, usando compresión |
| Grande | gpt-oss-120b | Una GPU profesional con mucha memoria |
| Muy grande | DeepSeek V4-Flash y V4-Pro | Servidores con varias GPU profesionales |
Las cifras son orientativas: dependen de la compresión (cuantización), de la longitud del contexto y de la velocidad que se necesite. Antes de comprar equipo, conviene probar el modelo en un servicio en la nube que lo aloje.
Casos de uso sensatos
- Documentos confidenciales: resumir o consultar contratos, expedientes o historiales sin enviarlos a terceros.
- Asistentes internos: responder preguntas sobre manuales y procedimientos de la empresa.
- Clasificación y extracción de datos en grandes volúmenes, donde el coste por consulta en la nube sería alto.
- Prototipos y formación para equipos técnicos que quieren aprender sin pagar por cada prueba.
- Ajuste fino (fine-tuning) para un vocabulario o tarea muy específica.
Lo que hay que considerar antes de adoptarlos
- Licencia: léala completa si el uso es comercial.
- Seguridad: descargue los modelos solo de fuentes oficiales y mantenga actualizado el software que los ejecuta.
- Mantenimiento: alguien debe instalar, actualizar y supervisar el sistema.
- Calidad: pruebe el modelo con sus tareas reales, en español, antes de comprometerse.
- Responsabilidad: al ejecutar el modelo usted mismo, también asume el control sobre cómo se usa y qué filtros aplica.
Si piensa construir agentes sobre estos modelos, revise nuestra comparativa de frameworks para crear agentes de IA, muchos de los cuales funcionan con modelos abiertos.
Preguntas frecuentes
¿Puedo usar estos modelos gratis en mi empresa?
Descargarlos suele ser gratuito, y licencias como Apache 2.0 o MIT permiten el uso comercial. El coste está en el hardware, la electricidad y el mantenimiento. Las licencias propias pueden imponer condiciones adicionales.
¿Cuál es el mejor modelo abierto?
No hay uno solo. Los más grandes, como DeepSeek V4, son los más capaces; para un equipo propio sin servidores, Gemma 4 y gpt-oss-20b son opciones más realistas.
¿Funcionan bien en español?
Las familias principales admiten español, pero la calidad varía. Lo recomendable es probarlas con textos y tareas reales de su negocio.
